Более экологичное будущее благодаря искусственному интеллекту и Ultralytics YOLO

‍TrashBestie - это новое приложение, которое помогает нам сортировать и утилизировать отходы по-другому и лучше, используя компьютерное зрение. TrashBestie использует глубокое обучение и передовые технологии, чтобы помочь людям принять меры, чтобы сделать планету чище и устойчивее.

Команда, стоящая за TrashBestie, представляет себе будущее, в котором отходы перестанут быть неприятностью, а станут возможностью для позитивных изменений. Сортировка отходов важна для защиты окружающей среды, экономии ресурсов и уменьшения загрязнения. Исходя из этого, TrashBestie стал цифровым решением, которое дает возможность людям без особых усилий принимать обоснованные решения по утилизации отходов. Цель ясна: вдохновить коллективное движение в сторону ответственного обращения с отходами и способствовать созданию более чистой планеты для будущих поколений.

Познакомься с командой, стоящей за TrashBestie

Прежде чем мы погрузимся в инновационную технологию, лежащую в основе TrashBestie, давай познакомимся с ее создателями:

• Хельге Рёллеке: Имея опыт работы в сфере продаж в здравоохранении, Хельге перешел к науке о данных и провел новаторское исследование эффективности работы компаний и вознаграждения руководителей. Он также является любителем грибов и открыт для новых возможностей в области науки о данных.
• Мой: Data Scientist и Frontend Developer, который сочетает навыки для решения сложных задач и создания удобных веб-приложений.
• Симантини Шинде: младший специалист по анализу данных с опытом работы в области анализа данных, машинного обучения и многого другого. Симантини - убежденный сторонник разработки с открытым исходным кодом, постоянно изучает новые технологии и ведет сбалансированный, рациональный образ жизни.
  

Путешествие к машинному обучению и искусственному интеллекту

Хельге начал изучать машинное обучение во время работы над магистерской диссертацией, исследуя, как зарплата менеджера связана с успехом компании. Для этого использовались регрессионные модели и методы машинного обучения. Хельге смог глубже погрузиться в мир зрительного ИИ на Bootcamp Академии Spiced. Здесь он экспериментировал с глубоким обучением и определил полезность моделей Ultralytics YOLO .

У меня был друг, который делился своими проектами в области науки о данных, что зажгло в ней интерес к машинному обучению. То, как данные могут раскрывать суть и оптимизировать процессы, завораживало ее. Именно поэтому она присоединилась к Bootcamp, где познакомилась с Симантини и Хельге.

Симантини начала изучать машинное обучение во время работы над магистерской диссертацией. Она обнаружила его потенциал в своей сфере деятельности, которая связана с оценкой ущерба, нанесенного зданиям в результате землетрясений. После окончания университета Симанти имела разные работы, связанные с данными. Эти работы в конечном итоге привели ее в буткамп по науке о данных и пробудили ее интерес к МЛ и ИИ видения.

Выбор Ultralytics YOLO для TrashBestie

TrashBestie использует Ultralytics YOLOv8 в качестве основного инструмента является стратегическим.

• Удобство для пользователя: поскольку YOLOv8 имеет открытый исходный код и прост в использовании, он был очень доступен для команды.
• Точность: YOLOv8 обеспечил лучшую точность, особенно в показателях точности.
• Гибкость: Команда смогла без проблем интегрировать YOLOv8 с Roboflow, улучшив свой рабочий процесс.
  

Как работает TrashBestie?

TrashBestie работает как персональный помощник по сортировке мусора, используя искусственный интеллект, чтобы упростить процесс до четырех простых шагов:

1. Определяй с помощью камеры. Используй камеру своего устройства, чтобы сделать снимок предмета, который ты не знаешь, как утилизировать.
2. Мгновенное распознавание. Отдавая должное технологии распознавания образов YOLOv8, приложение может быстро анализировать изображения и определять различные типы отходов.
3. Образовательный инсайт. TrashBestie не останавливается на рекомендациях. Этот инструмент предоставляет пользователям образовательные инсайты для понимания предлагаемых способов утилизации отходов. В свою очередь, это способствует долгосрочному обучению и формированию осознанных привычек утилизации отходов.
4. Простота использования и доступность. Приложение удобно в использовании и доступно для всех, что делает экологически ответственную сортировку отходов достижимой для каждого, кто пользуется Android-устройством.

Попробуй

Строительство TrashBestie

Путь развития TrashBestie включает в себя ряд важнейших этапов:

1. Маркировка и аннотация. Изображения тщательно маркируются и аннотируются с помощью таких инструментов, как Roboflow , чтобы создать надежный набор данных для обучения.
2. Экспорт набора данных. После экспорта помеченного набора данных набор данных для обнаружения объектов готов к обучению.
3. Обучение с помощью YOLOv8. Модель YOLOv8 обучается на экспортированном наборе данных, фокусируясь на тонкой настройке ее параметров для повышения точности обнаружения объектов.
4. Развертывание Streamlit. Модель YOLOv8 интегрирована в приложение Streamlit, что обеспечивает эффективное и точное обнаружение объектов. Это приложение размещено на GitHub и использует YOLOv8 и Streamlit для обнаружения и отслеживания объектов.
   

Будущее TrashBestie

TrashBestie продолжает совершенствоваться, добавляя локализацию, делая его более доступным на iOS и Android и оттачивая методы обработки изображений. Команда стремится постоянно повышать производительность и точность приложения.

Ознакомься с их проектом на Devpost, где есть галерея изображений и видео на YouTube, демонстрирующее детали их работы.

TrashBestie выполняет миссию по революционному управлению отходами и делает нашу планету чище и экологичнее. Это первый шаг в будущее, который может даже перевернуть представление о карьере в сфере управления отходами. Присоединяйся к ним в этом увлекательном путешествии к более экологичному будущему!

‍

Свяжись с командой TrashBestie:

Хельге: LinkedIn, GitHub

Симантини: LinkedIn, GitHub, Medium

Мой: LinkedIn